Reza, A.F., Singh, R., Verma, R.K., Singh, A., Ahn, Y.H., Ray, S.S. (2024). An integral and multidimensional review on multi-layer perceptron as an emerging tool in the field of water treatment and desalination processes (link)

Título

An integral and multidimensional review on multi-layer perceptron as an emerging tool in the field of water treatment and desalination processes

(Uma revisão integral e multidimensional sobre o perceptron multicamadas como uma ferramenta emergente no campo de processos de tratamento e dessalinização de água)

Resumo

An increase in population leads to an increase in the water demand. Technological advancements are racing to address water shortages. Recent advances in deep learning (DL), machine learning (ML), and artificial intelligence (AI) have enabled us to effectively manage water scarcity as well as optimize, model, automate, and predict water treatment processes. Additionally, computer-assisted support to complicated problems related to water chemistry, and membrane applications. In the sector of water treatment and desalination processes, various models such as Support Vector Machines (SVM), Random Forest (RF), Genetic Algorithms (GA), K-Nearest Neighbors (KNN), time series models, and Multi-Layer Perceptron (MLP) have been applied to address the issues ranging from optimization of treatment processes to predictive modeling as well as failure/fault detection. Presently, water quality forecasting lacks the much-needed precision and accuracy. Thus, a highly versatile MLP is engineered and designed to approximate any continuous functions and may solve issues that are not linearly separable. Typically, MLPs are used for pattern classification, forecasting performance, and approximation. This review paper presents automatic forecasting of water quality and desalination processes efficiency which resolves the issue of missing values from the data sets. Moreover, this paper examines a wide range of peer-reviewed, vital water-based applications using DL, ML, and AI, including membrane separation, water quality, and performance efficiency. A thorough review of MLP applications in water treatment and seawater desalination is presented here. Furthermore, the conventional modeling approaches are compared with the MLP model. It will also highlight the drawbacks that hinder the implementation of real-world water treatment and desalination processes. In conclusion, the latest developments in membrane processes, seawater desalination, and MLP-based water treatment have been summarised.

TRADUÇÃO LIVRE

O aumento populacional leva ao aumento da demanda por água. Os avanços tecnológicos estão em plena atividade para lidar com a escassez de água. Avanços recentes em aprendizado profundo (DL), aprendizado de máquina (ML) e inteligência artificial (IA) nos permitiram gerenciar eficazmente a escassez de água, bem como otimizar, modelar, automatizar e prever processos de tratamento de água. Além disso, o suporte assistido por computador para problemas complexos relacionados à química da água e aplicações de membranas. No setor de tratamento de água e processos de dessalinização, diversos modelos, como Máquinas de Vetores de Suporte (SVM), Floresta Aleatória (RF), Algoritmos Genéticos (AG), K-Vizinhos Mais Próximos (KNN), modelos de séries temporais e Perceptron Multicamadas (MLP), têm sido aplicados para abordar questões que vão desde a otimização de processos de tratamento até a modelagem preditiva e a detecção de falhas. Atualmente, a previsão da qualidade da água carece da precisão e exatidão tão necessárias. Assim, uma MLP altamente versátil é projetada e projetada para aproximar quaisquer funções contínuas e pode resolver problemas que não são linearmente separáveis. Normalmente, MLPs são usados ​​para classificação de padrões, desempenho de previsão e aproximação. Este artigo de revisão apresenta a previsão automática da qualidade da água e da eficiência dos processos de dessalinização, o que resolve o problema de valores ausentes nos conjuntos de dados. Além disso, este artigo examina uma ampla gama de aplicações vitais baseadas em água, revisadas por pares, usando DL, ML e IA, incluindo separação por membrana, qualidade da água e eficiência de desempenho. Uma revisão completa das aplicações de MLP no tratamento de água e dessalinização de água do mar é apresentada aqui. Além disso, as abordagens de modelagem convencionais são comparadas com o modelo MLP. Também serão destacadas as desvantagens que dificultam a implementação de processos reais de tratamento de água e dessalinização. Em conclusão, os últimos desenvolvimentos em processos de membrana, dessalinização de água do mar e tratamento de água baseado em MLP foram resumidos.

Artigo publicado no site Science Direct – Elsevier – Journal Desalination